华阳集团HUD产品总监

HUD产品趋势：1）虚像尺寸增加（智能网联）+投影距离加大（自动驾驶）；2）投影距离>10m，FOV>11°X4°，AR-HUD 4.0方案（全息显示），通过光波导技术实现；3）用户体验与【虚像大小】和【景深】共同决定。

竞争门槛：1）目前有比较多的公司在做，整车客户引进新供应商需要看过往50万套的表现；2）HUD三坐标畸变矫正能力需要在100-220ms之内完成；

AI数据库专家

数据维度的挑战：1）50人的车队每天产生2PB的数据，存储成本很高；2）大量数据进行清洗的成本；3）测试回灌+仿真需求；

主机厂要求：1）30-50万公里无AEB误触发；2）感知架构开发需要20-50万公里测试；3）功能验证需要20-50万公里测试；4）涉及到数据合规和竞争，更多采用私有云的形式；

BEV+TransFormer带来的变化：1）图片数据->全量数据（包含激光雷达+高精地图+车量动力学）；2）离散数据->连续数据，同步性增强；3）2D图像标注->点云标注，数据中心大量GPU，数亿元人民币；4）数据提纯+数据清洗需求；5）异构+FPGA实现加速降本；

人工AI算法专家

核心观点：1）TransFormer是最重要的框架，CHATGPT在框架下做工艺级别的改变；2）大模型核心在推动AI本身的自动化，降低成本；

硬件壁垒：1）A100芯片是核心的计算芯片，暂时没有替代品；2）华为在软件上有不错的效能，但是暂时无法进入采购清单；

运用场景：1）直接服务，金融+医疗；2）软硬一体，云服务+软件（阿里云）；3）中间件+代理的形式

五大能力：1）泛化能力；2）降低生产成本；3）提升内容；4）提升模型精度；5）形成生态维度

自动驾驶算法专家

AI应用场景：1）驾驶场景预测；2）识别障碍物并预测未来轨迹；3）决策推理模型；

AI应用细节：1）感知流程，传感器多模态融合；2）增强障碍物泛化能力（特斯拉2023年AI DAY会分享技术）；3）提升数据标注效率

AIGC应用：1）泛化推演；2）底层模型由人类完成，顶层决策由AI完成；3）静态场景采用传统交互、复杂场景采用生成式AI；4）通过AIGC生成测试环境

技术+成本端：1）主机厂要求自驾BOM控制在整车售价5%-8%；2）SAM技术只能做二维图像分割，适合后端处理。